Inversion af SkyTEM data – fra linjeorienteret til fladeorienteret tolkning

1. Inversion af SkyTEM data – fra linjeorienteret til fladeorienteret tolkning Anders Vest Christiansen • GeoFysikSamarbejdet

2. Oversigt • LCI og SCI – hvad, hvorfor og hvordan • Eksempler fra Lolland • Opsamling

3. Hvordan opnår man geologisk relevante modeller? • Sammenstilling af individuelle modeller • abrupte variationer pga. støj og et dårligt bestemt inversionsproblem • inkluderer ikke viden om modellens kontinuitet • Filtrering og midling af data • tab af opløselighed • inversionsproblemet dårligt bestemt, men mindre støj på data • Bånd mellem modeller og minimal filtrering og midling af data • geologiens forventede variation bruges som a priori information • LCI, pseudo 2D, med sigte på profiler • SCI, pseudo 3D, med sigte på flader

4. 500 True model 100 1D - stitched together 30 10 1D - LCI 3 1 LCI opsummering • En metode til frembringelse af pseudo-2D modeller med bløde laterale variationer • Båndene holder information om geologiens forventede variation • Bruges rutinemæssigt til tolkning af SkyTEM (og MEP og PACES)

5. Fra LCI ... • Modeller sammenbundet langs linjerne

6. ... til SCI • Modeller sammenbundet på fladen

7. SCI ... hvad? • En metode til frembringelse af pseudo-3D modeller med bløde laterale variationer • “Pseudo" fordi den lokale model stadig er 1D • Videreudvikling af LCI baseret på den samme kode • SCI kan bruges på alle typer data, også i kombination • De laterale bånd: • fortæller om geologiens forventede variation • spreder geologisk a-priori-information lateralt i området • stabiliserer inversionen ved at gøre modellerne mindre berørte af støjede data

8. SCI ... hvorfor? • Bedst mulige model for fladedækkende datasæt fordi fladeinformationen udnyttes • Resultater uden “striber” langs flyvelinierne foresaget af et dårligt bestemt inversionsproblem og støjede data • Giver en mere stabil inversion til meget store datasæt

9. SCI … hvordan? • Delaunay-triangulering som fundament for at opsætte laterale bånd på fladen • matematisk defineret • selvregulerende ved variationer i datatætheden • skalerbar til selv meget store kortlægninger • Opsplitning i CPU-effektive inversions-enheder • Strategi til bevarelse af kontinuitet over grænsermellem inversions-enheder

10. Delaunay-triangulering

11. Konstruktion af de laterale bånd • Delaunay-triangulering • Afstanden mellem punkterne bestemmer styrken af den laterale korrelation • Netværket bestemmer hvilke sonderinger der bindes sammen

12. Konstruktion af de laterale bånd • Delaunay-triangulering • Afstanden mellem punkterne bestemmer styrken af den laterale korrelation • Netværket bestemmer hvilke sonderinger der bindes sammen • Nearest neighbors

13. Konstruktion af de laterale bånd • Delaunay-triangulering • Afstanden mellem punkterne bestemmer styrken af den laterale korrelation • Netværket bestemmer hvilke sonderinger der bindes sammen • Nearest neighbors • Netværk af nearest neighbors

14. Konstruktion af de laterale bånd • Delaunay-triangulering • Afstanden mellem punkterne bestemmer styrken af den laterale korrelation • Netværket bestemmer hvilke sonderinger der bindes sammen • Nearest neighbors • Netværk af nearest neighbors Enhed n

15. Konstruktion af de laterale bånd • Delaunay-triangulering • Afstanden mellem punkterne bestemmer styrken af den laterale korrelation • Netværket bestemmer hvilke sonderinger der bindes sammen • Nearest neighbors • Netværk af nearest neighbors Enhed n Enhed n+1

16. Alle inversions-enheder…

17. Parallel beregning og model-kontinuitet • Første kørsel • Dan alle inversionsenheder og en startmodel • Inverter med så mange CPU’er som muligt • Anden kørsel • Tag gennemsnit af kant-modeller. Disse modeller anvendes nu som startmodeller bundet med analyseværdien. • Inverter med så mange CPU’ersom muligt • Slutresultat • Modeller fra anden kørsel med middel-modeller fra kanten

18. Lolland

19. Lolland - sonderingspunkter

20. Lolland – delaunay-triangulering

21. Lolland – delaunay-triangulering

22. Lolland – delaunay-triangulering

23. Lolland – delaunay-triangulering

24. Profil langs med flyvelinje

25. Profil langs med flyvelinje, LCI

26. Profil langs med flyvelinje, SCI

27. Profil langs med flyvelinje, SCI

28. Profil på tværs af flyvelinje

29. Profil på tværs af flyvelinje, LCI

30. Profil på tværs af flyvelinje, SCI

31. Profil på tværs af flyvelinje, SCI

32. Kort

33. Kort

34. Res lag1, LCI

35. Res lag1, SCI

36. Middelres -70- -60, LCI

37. Middelres -70- -60, SCI

38. Opsummering • Både LCI og SCI bruger den forventede geologiske variation som bånd i inversionen • Herved frembringes kontinuerte modeller der er i bedre overensstemmelse med den forventede geologi – også på tværs af flyvelinjerne for SCI • De svagt bestemte parametre har den største gavn af de laterale bånd • Det er defor også her der ses den største forskel mellem LCI og SCI

39. m1 m2 mn d1 d2 G = dn Forskel i matematikken …. • Jacobe-matricen (data)

40. Jacobe-matricen (data) Model-bånd m1 m2 mn m3 mn-1 m1 m1 m2 mn m2 d1 m3 R = d2 G = mn-1 mn dn Forskel i matematikken …. LCI

41. Jacobe-matricen (data) Model-bånd m1 m2 mn m3 mn-1 m1 m1 m2 mn m2 d1 m3 R = d2 G = mn-1 mn dn SCI Forskel i matematikken ….

42. Middelres -40- -30, LCI

43. Middelres -40- -30, SCI